神经网络系统开发及巷道变形研究
|
摘要
余华寺矿是武钢矿业公司的一个矿山，近年来，在-137.5m和-150m两个分段中的一些开采巷道出现较大的变形，并直接影响到该矿山的生产和施工。本论文对余华寺矿巷道的变形因素进行分析，通过对不同时间的实测巷道变形值进行神经网络学习，把学习出的结果作为检验依据，来对巷道一段时间后的变形进行预测，并取得了较好的结果。
作者开发出一套BP神经网络计算软件——BPNNS系统，它是基于Windows 2000 Server平台的C／S构架，能实现远程访问和控制。编码是由Inprise公司开发出的Delphi 6.0来实现的。系统友好的界面便于计算过程的控制和即时信息修改、管理和查询；信息的存储是由微软公司开发出的SQL Server 2000来实现的，它能存储大量数据，并用自带的数据库语言Transact—SQL来实现对存储信息的存取、管理、修改和查询。
在论文期间，作者进行了大量的现场观测、实验和数据采集，参考了大量文献和资料，并开发出了适用性较广的BPNNS系统，取得了以下成果和认识：
1)参与了武钢余华寺矿采场地压规律分析及控制对策研究项目。对该矿山的地压分布规律进行研究，得出其规律，并用数值模拟来对该地压下的回采顺序进行研究。
2)对变形巷道的地压进行研究。对该变形巷道的地压分布规律进行研究，分析地压显现的基本原理，提出影响地压分布的因素，包括一些自然因素和人为因素，初步提出了地压分布对采场稳定性的影响。
3)分析影响巷道变形可能的因素。作者对这些因素进行分析，把有重要影响的因素用于预测巷道变形的计算。
4)用模糊算法——BP神经网络算法来实现对巷道变形的预测。由于影响巷道变形的因素很多，有些因素我们了解很多，有些了解很少，对于一些突发因素的影响，则更有不可预见性。并且这些因素之间相互影响，因而需要用模糊计算来解决这种问题，神经网络算法用其极强的非线性动态处理能力来对巷道的变形进行预测。从计算的结果来看，用神经网络算法来处理这类问题是比较合适的。
5)探讨并实现用Delphi 6.0对神经网络算法进行编码。由于在神经网络计算过程中需要信息和数据的输入和输出、调整参数、计算条件选择、计算过程控制和信息查询，这需要有一个比较友好的界面来实现这些功能。Delphi以其友好界面、强大的数据库功能成功地用于神经网络计算中。
6)用SQL Server 2000探讨并实现神经网络计算和工程信息、数据的存储、输出、管理、修改和查询功能。SQL Server 2000能存储大量的数据，其存储信息量几乎能达到硬盘的容量，其自身带的数据库编程语言Transact-SQL能方便地对数据库、数据表和表中的各字段进行各种操作。BPNNS系统中几乎所有神经网络计算和工程项目信息都是存储在数据库中的，它为网络计算的工程信息查询提供了数据和信息。
7)开发出一套BP神经网络算法软件——BPNNS系统。它有以下特点：
(1)它能适用于所有的BP神经网络算法，并且不受网络结构的限制，对于网络结构的不同层数和各层的不同节点数，系统都能根据该工程创建时所输入的信息动态地创建计算所需要的各种控件，接受系统输入，并把输入结果存储到数据库中。
(2)它有新增、修改、查询和删除四大功能组成。对于新的工程需要创
建;对于计算结果不合理的网络结构要对它进行修改:当查看该工程的数
据和信息时，需要对该工程进行查询;如果不想在系统中保留无用的工程
项目时，就可以对工程进行删除。
(3)当所选定的网络结构不合理时，可以方便的修改网络结构，然后再
计算，而不用重新构建网络结构。修改的过程，就是对创建工程时输入的
信息进行修改，并新增相应的数据库和数据表信息，修改后的计算过程不
变。
(4)改变了神经网络算法没有“记忆性”的特点。系统能够记录下网
络中的权值和闽值的变化，为分析项目的影响因素提供参考。虽然权值和
闽值的变化过程对网络的检测没有实际作用，但我们可以看出合理的网络
结构的权值和阐值的变化过程。
(5)系统大量使用图形来形象地展现误差的变化。我们选择合理的网络
结构主要是依据误差大小和波动情况，系统能把每次的计算误差用点图和
线图的形式表现出来，还能把一个工程中不同网络结构的误差在一起比较，
从而选择出合理的网络结构。
(6)系统尽可能的提供用户接口，来实现使用者对参数选择和计算条件
的控制。
(7)系统提供大量的信息查询，工程的所有信息和数据都能以数据表的
形式查询出来。对于系统使用者信息、工程信息和系统使用信息，系统则
以报表的形式形象地展示出来。
总之，对巷道的变形因素进行分析，用神经网络算法进行计算，利用BPNNS
系统能够方便、高效地进行巷道变形预测，并取得较好的结果。
Yuhuasi Mine is one of the mines which belong to Mine Company of Wugan Steal and Iron Group. But recently, there is great distortion in laneways of phases of -137.5m and -150m, which have directly affected the production and structure of the mine. In this thesis, the author analyzed the factors which affected the distortion of the laneways. Through the neural network study of the data of distortion in different time, the result of the study is looked as the basis of checking to predict the distortion and gain good result.
The author exploited a set of neural network Algorithm software--
BPNNS System, which is C/S truss and based on the operation system of Windows 2000 Server. So it can be accessed and controlled remotely. The system is coded in Delphi 6.0 which is exploited by Inprise Company. The friendly forms are useful to control the process, change information in real time, manage, and query. SQL Server 2000, exploited by Software Company, stores the information. Because of the its database language --Transact-SQL, we can store, manage, change and query easily.
During the period of the thesis, the author did lots of work to observe in the port, experiment, gather data, reference lots of documents and data, and exploited a useful BPNNS System, and gained the following achievements.
1) Attending the researching item of pressure analysis and control of Yuhuasi Mine. The author analyzed the pressure distributing rules of the mine and gained the rules, researched the order of mining using digital simulation.
2) Researching the pressure of distorted laneways. The author analyzed the distributing rules of pressure of laneway, analyzed the fundamental principle, brought forward the affected factors of pressure, including some natural factors and manual factors, and brought forward the effect, caused by pressure, to the stability of mine primarily.
3) Listing the possible factors affecting the laneway distortion. The author used some important factors to predict the distortion.
4) Using fuzzy algorithm--BP neural network to predict the laneway
distortion. There are many factors affected the distortion. Some of them we know a lot. Some of them we know very little. And the factors affect each other. So we need fuzzy algorithm to solve the problem. The neural network algorithm can predict the distortion because of its powerful capability of non-linearity and dynamic disposal. From the calculated result, we know the algorithm is suit to solve the problem.
5) Researching and realization the coding using Delphi 6.0. Because it is needed in the process to input and output information and data, change parameters, choose calculated situation, control the process of calculation and query information. All of above need friendly forms.
Delphi 6. 0 is used in the algorithm successfully because of its friendly forms and powerful database capability.
6) Researching and realization the neural network calculation, the store of project information and data, output, management, changing, query using SQL Sever 2000. SQL Server 2000 can store a great deal of data, even reach to the capacity of hard disk. Its coding language--Transact-SQL, can operate databases, tables and fields easily. In BPNNS System, all information of projects and calculation are stored in the database, which provides the data and information for the query.
7) Exploit a set of BP neural network software--BPNNS, whose
characters are as follows:
(1) It is suit for all kinds of BP neural network algorithm, and not limited by the network structure. The system can create amount of textbox dynamically to accept input and store it to database.
(2) The system has 4 main functions, such as adding, changing, query and deletion. We create new project and change the structure of network when necessary. We also can query the information of system and project and delete the useless project.
(3) If the network structure is not reasonable, we have to change it and recalculate instead of creating new network structure. During the changin
作者开发出一套BP神经网络计算软件——BPNNS系统，它是基于Windows 2000 Server平台的C／S构架，能实现远程访问和控制。编码是由Inprise公司开发出的Delphi 6.0来实现的。系统友好的界面便于计算过程的控制和即时信息修改、管理和查询；信息的存储是由微软公司开发出的SQL Server 2000来实现的，它能存储大量数据，并用自带的数据库语言Transact—SQL来实现对存储信息的存取、管理、修改和查询。
在论文期间，作者进行了大量的现场观测、实验和数据采集，参考了大量文献和资料，并开发出了适用性较广的BPNNS系统，取得了以下成果和认识：
1)参与了武钢余华寺矿采场地压规律分析及控制对策研究项目。对该矿山的地压分布规律进行研究，得出其规律，并用数值模拟来对该地压下的回采顺序进行研究。
2)对变形巷道的地压进行研究。对该变形巷道的地压分布规律进行研究，分析地压显现的基本原理，提出影响地压分布的因素，包括一些自然因素和人为因素，初步提出了地压分布对采场稳定性的影响。
3)分析影响巷道变形可能的因素。作者对这些因素进行分析，把有重要影响的因素用于预测巷道变形的计算。
4)用模糊算法——BP神经网络算法来实现对巷道变形的预测。由于影响巷道变形的因素很多，有些因素我们了解很多，有些了解很少，对于一些突发因素的影响，则更有不可预见性。并且这些因素之间相互影响，因而需要用模糊计算来解决这种问题，神经网络算法用其极强的非线性动态处理能力来对巷道的变形进行预测。从计算的结果来看，用神经网络算法来处理这类问题是比较合适的。
5)探讨并实现用Delphi 6.0对神经网络算法进行编码。由于在神经网络计算过程中需要信息和数据的输入和输出、调整参数、计算条件选择、计算过程控制和信息查询，这需要有一个比较友好的界面来实现这些功能。Delphi以其友好界面、强大的数据库功能成功地用于神经网络计算中。
6)用SQL Server 2000探讨并实现神经网络计算和工程信息、数据的存储、输出、管理、修改和查询功能。SQL Server 2000能存储大量的数据，其存储信息量几乎能达到硬盘的容量，其自身带的数据库编程语言Transact-SQL能方便地对数据库、数据表和表中的各字段进行各种操作。BPNNS系统中几乎所有神经网络计算和工程项目信息都是存储在数据库中的，它为网络计算的工程信息查询提供了数据和信息。
7)开发出一套BP神经网络算法软件——BPNNS系统。它有以下特点：
(1)它能适用于所有的BP神经网络算法，并且不受网络结构的限制，对于网络结构的不同层数和各层的不同节点数，系统都能根据该工程创建时所输入的信息动态地创建计算所需要的各种控件，接受系统输入，并把输入结果存储到数据库中。
(2)它有新增、修改、查询和删除四大功能组成。对于新的工程需要创
建;对于计算结果不合理的网络结构要对它进行修改:当查看该工程的数
据和信息时，需要对该工程进行查询;如果不想在系统中保留无用的工程
项目时，就可以对工程进行删除。
(3)当所选定的网络结构不合理时，可以方便的修改网络结构，然后再
计算，而不用重新构建网络结构。修改的过程，就是对创建工程时输入的
信息进行修改，并新增相应的数据库和数据表信息，修改后的计算过程不
变。
(4)改变了神经网络算法没有“记忆性”的特点。系统能够记录下网
络中的权值和闽值的变化，为分析项目的影响因素提供参考。虽然权值和
闽值的变化过程对网络的检测没有实际作用，但我们可以看出合理的网络
结构的权值和阐值的变化过程。
(5)系统大量使用图形来形象地展现误差的变化。我们选择合理的网络
结构主要是依据误差大小和波动情况，系统能把每次的计算误差用点图和
线图的形式表现出来，还能把一个工程中不同网络结构的误差在一起比较，
从而选择出合理的网络结构。
(6)系统尽可能的提供用户接口，来实现使用者对参数选择和计算条件
的控制。
(7)系统提供大量的信息查询，工程的所有信息和数据都能以数据表的
形式查询出来。对于系统使用者信息、工程信息和系统使用信息，系统则
以报表的形式形象地展示出来。
总之，对巷道的变形因素进行分析，用神经网络算法进行计算，利用BPNNS
系统能够方便、高效地进行巷道变形预测，并取得较好的结果。
Yuhuasi Mine is one of the mines which belong to Mine Company of Wugan Steal and Iron Group. But recently, there is great distortion in laneways of phases of -137.5m and -150m, which have directly affected the production and structure of the mine. In this thesis, the author analyzed the factors which affected the distortion of the laneways. Through the neural network study of the data of distortion in different time, the result of the study is looked as the basis of checking to predict the distortion and gain good result.
The author exploited a set of neural network Algorithm software--
BPNNS System, which is C/S truss and based on the operation system of Windows 2000 Server. So it can be accessed and controlled remotely. The system is coded in Delphi 6.0 which is exploited by Inprise Company. The friendly forms are useful to control the process, change information in real time, manage, and query. SQL Server 2000, exploited by Software Company, stores the information. Because of the its database language --Transact-SQL, we can store, manage, change and query easily.
During the period of the thesis, the author did lots of work to observe in the port, experiment, gather data, reference lots of documents and data, and exploited a useful BPNNS System, and gained the following achievements.
1) Attending the researching item of pressure analysis and control of Yuhuasi Mine. The author analyzed the pressure distributing rules of the mine and gained the rules, researched the order of mining using digital simulation.
2) Researching the pressure of distorted laneways. The author analyzed the distributing rules of pressure of laneway, analyzed the fundamental principle, brought forward the affected factors of pressure, including some natural factors and manual factors, and brought forward the effect, caused by pressure, to the stability of mine primarily.
3) Listing the possible factors affecting the laneway distortion. The author used some important factors to predict the distortion.
4) Using fuzzy algorithm--BP neural network to predict the laneway
distortion. There are many factors affected the distortion. Some of them we know a lot. Some of them we know very little. And the factors affect each other. So we need fuzzy algorithm to solve the problem. The neural network algorithm can predict the distortion because of its powerful capability of non-linearity and dynamic disposal. From the calculated result, we know the algorithm is suit to solve the problem.
5) Researching and realization the coding using Delphi 6.0. Because it is needed in the process to input and output information and data, change parameters, choose calculated situation, control the process of calculation and query information. All of above need friendly forms.
Delphi 6. 0 is used in the algorithm successfully because of its friendly forms and powerful database capability.
6) Researching and realization the neural network calculation, the store of project information and data, output, management, changing, query using SQL Sever 2000. SQL Server 2000 can store a great deal of data, even reach to the capacity of hard disk. Its coding language--Transact-SQL, can operate databases, tables and fields easily. In BPNNS System, all information of projects and calculation are stored in the database, which provides the data and information for the query.
7) Exploit a set of BP neural network software--BPNNS, whose
characters are as follows:
(1) It is suit for all kinds of BP neural network algorithm, and not limited by the network structure. The system can create amount of textbox dynamically to accept input and store it to database.
(2) The system has 4 main functions, such as adding, changing, query and deletion. We create new project and change the structure of network when necessary. We also can query the information of system and project and delete the useless project.
(3) If the network structure is not reasonable, we have to change it and recalculate instead of creating new network structure. During the changin
引文
[1] 矿山岩体力学．北京：冶金工业出版社
[2] 陈子萌编著．围岩力学分析中的解析方法．北京：煤炭工业出版社，1994
[3] [澳]B．H．G．布雷迪，[英]E．T．布朗．地下采矿岩石力学．北京：煤炭工业出版社
[4] 宋振骐．实用矿山压力控制．徐州：中国矿业大学出版社，1988
[5] 谢和平．采矿工程中的力学问题与分析．力学2000，中国科学技术出版社，
[6] 周维垣主编．高等岩石力学．北京：清华大学出版社
[7] Grossber S. 1988. Nonlinear Neural Network. Principles, Mechanisms and Architectures. Neural Networks,(1): 17～61
[8] 靳蕃．1991．神经网络与神经计算机原理应用．西南交通大学出版社，成都
[9] 孙道恒，胡俏，徐灏．固体力学有限元神经计算原理[J]．机械工程学报，1996，32(6)：20～25
[10] 于学馥．信息时代岩土力学与采矿计算初步．北京：科学出版社，1991
[11] 井兰如．1981．金川二矿区采场回采过程的有限元模拟分析．北京钢铁学院硕士学位论文
[12] F.Meulenkamp M.Alvare Grima, Application of neural networks for the prediction of the unconfined compressive strength (UCS) FROM Equation hardness, International Journal of Rock Mechanics and Mining Sciences, 1999, No.36
[13] 梁艳春等．人工神经网络应用于地下硐室参数识别的研究，模式识别与人工智能，1996，No．9(1)
[14] 吴洪词．回采巷道围岩稳定性的神经网络控制，煤炭工程师，1998，No．1
[15] 陈国荣等．锚杆支护的神经网络设计系统及其应用，工程地质学报，1999，No．7(1)
[16] 卢才金等．改进的BP神经网络在岩体边坡稳定性评价中的应用，岩石力学与工程学报，1999，No．18(3)
[17] 周保生，朱维申．巷道围岩移近量的人工神经网络预测[J]．岩石力学与工程学报，1999，18(增)：1220～1222
[18] 宋海涛，张益东等．锚杆支护现状及其发展，矿山压力与顶板管理，1999，No．1
[19] 周淑媛．我国喷锚支护技术的发展及其应用，金属矿山，1988，No．3
[20] 冯夏庭等．人工智能在矿LLJ岩体边坡工程中的应用，化工矿山技术，1995，
No.24(1)
[21] 金山店张伏山铁矿床粉矿物理力学性质试验及成因、分布研究报告．武钢金山店铁矿，1987
[22] 蔡美峰．金属矿山采矿设计优化与地压控制——理论与实践．北京：科学出版社
[23] 许梦国等．武钢程潮铁矿采场地压规律分析与合理回采顺序研究．1999．11
[24] 《无底柱分段崩落采矿法采场结构参数和工艺技术优化》试验研究鉴定资料．武 钢矿业有限责任公司设计研究所，武钢矿业有限责任公司焦作余化寺矿，1999．12
[25] 姚宝魁等．矿山地下开采稳定性研究．北京：中国科学技术出版社，1994
[26] 朱维申，何满潮．复杂条件下围岩稳定性与岩体动态施工力学．北京：科学出版社，1996
[27] M．A．库尔撒德．数值模拟在地下开采与建设中的应用．国外金属矿山，1999，24(3)：41—49
[28] 朱以文等．微机有限元前后处理系统viziCAD及其应用．科学技术文献出版社，1993
[29] Abhijit S. Pandya Robert B.Macy著．徐勇等译．神经网络模式识别及其实现．Pattern Recognition with Neural Networks in C++．电子工业出版社，1999
[30] 胡守仁、余少波等编著．神经网络导论．国防科技大学出版社，1993
[31] 胡守仁、沈清等编著．神经网络应用技术．国防科技大学出版社，1998
[32] 周继成等．人工神经网络——第六代计算机的实现．北京：科学普及出版社，1993
[33] 刘增良，刘有才编著．模糊控制逻辑与神经网络——理论研究与探索．北京：北京航空航天大学出版社，1996
[34] 莫恭佑．神经网络及其在英国的应用．国际科技交流，1992(3)P17
[35] 迟惠生等．1995年世界神经网络大会述评．国际学术动态，1996(1)P28
[36] Stephen P and Roger L K. 1992. Evaluation of Coal Mine Roof Supports Using Artificial Intelligence. Proc 23rd APCOM, 103～107
[37] 张清，宋家蓉．1992．利用神经元网络预测岩石或岩石工程的力学性态．岩石力学与工程学报，11(1)：35～43
[38] 冯夏庭，王泳嘉．采矿工程智能系统——人工智能与神经网络在矿业中的应用．北京：冶金工业出版社，1994
[39] 周保生，朱维申．巷道围岩参数的人工神经网络预测．岩土力学，1999，20(1)：22～26
[40] 冯夏庭，王丽娜．基于神经网络PDP模型的岩石分级．第七届全国矿山岩体力学学术会议．1992
[41] 冯夏庭，王泳嘉．用于岩体质量评价的神经网络专家系统．有色金属，1994(4)
[42] 谭云亮，王泳嘉．回采巷道分析指标的神经网络聚类分析类型．岩石力学与工程学报，1995(14)139～144
[43] 冯夏庭，林韵梅．基于神经网络的巷道支护决策．煤炭学报，1995(1)
[44] 徐卫亚等．三峡永久船闸高边坡变形预测人工神经网络分析．岩土力学，1999，20(2)：21～31
[45] 杨英杰，张清．人工神经网络在岩土工程系统RES中的应用．铁道学报，1997，19(6)
[46] 冯夏庭等．位移反分析的进化神经网络方法研究．岩石力学与工程学报，1999，18(5)：529～533
[47] 鲁小兵，李德基．BP神经网络在泥石流研究中的应用．岩石力学与工程学报，1996，15(增)：568～571
[48] 刘浩武，蔡德所．三峡工程岩体爆破地震效应的神经网络模型．岩土力学，1998，20(1)：18～21
[49] 蔡美峰，孔广亚，贾立宏．岩体工程系统失稳的能量突变判断准则及其应用．北京科技大学学报，1997，19(4)：325～328
[50] 蔡美峰，来兴平．非线性神经网络在复杂条件矿床采矿方法识别中的应用．第六次全国岩石力学与工程学术大会论文集，2000．武汉，374～379
[51] Werbos P J. 1974. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences, Harvard University
[52] 锚喷支护 北京：煤炭工业出版社
[53] 郭连军，徐小荷，牛成俊．爆破专家系统原理与应用．辽宁科学技术出版社，1993
[54] Ward Systems Group. Inc. Neuro Shell (Neural Network Shell Program). Fourth Edition-August 1991
[55] 胡建华．巷道围岩稳定性分类及其支护对策智能研究．武汉理工大学硕士学位论文，2001
[56] 徐志英．岩石力学，北京：水利电力出版社，1986
[57] Evert Hoke, Reliability of Hoke-Brown Estimates of Rock Mass Properties and Their Impact on Design, Int. J. Rock Mech. and Min. Sci., 1998, No. 35(1)
[58] 国家标准《锚杆喷射混凝土支护技术规范》GBJ86-85
[59] 《采矿设计手册——--井巷工程卷》．北京：中国建筑工业出版社，1989
[60] 朱琢华，黄宏伟．锚喷支护设计的工程类比模糊经验法．煤炭学报，1998，No．23(6)
[61] 《采矿设计手册——--井巷工程卷》，北京：中国建筑工业出版社，1989
[62] 李彦斌，苏学贵．影响锚喷支护质量的因素分析．山西煤炭，2000
[63] 姜有，周贵全．影响回采巷道锚杆支护效果的因素分析．东北煤炭技术，1999，No．5
[64] 金掌臻．锚喷支护及其应用．矿业研究与开发，1999，No．19(增刊)
[65] Delphi程序员必读 Gary Cornell, Troy Strain著 科学出版社1995．8
[66] Delphi程序设计(1.0和2.0版) 清华大学出版社 1996．12
[67] Delphi(1.0-2.0)进阶指南 喻新文，史宝军主编 电子工业出版社 1996．10
[68] Delphi程序员指南 (美)A.J.沃兹涅维茨，N.沙马斯著 科学出版社 1997．1
[69] Delphi for Windows 95开发指南 (美)Tom Swan著 电子工业出版社 1997．6
[70] Delphi 3.0/4.0多媒体与数据库编程 吴旭东等编著 清华大学出版社 1998．10
[71] Delphi 5 开发指南 王忠等编著 电子工业出版社 2000．1
[72] Delphi 5 数据库开发实例 同志工作室编著 人民邮电出版社 2001
[73] Microsoft SQL Server 管理员手册 (美)Patrick Dalton著 机械工业出版社
[74] 精通MS SQL Server 7.0 罗会涛等编著 电子工业出版社 1999．9
[75] SQL Server 实用简明教程 黄维通编著 清华大学出版社 1999．7
[76] SQL Server 2000 从入门到精通 Mike Gunderloy, Joseph L.Jorden 著 电子工业出版社2001
[77] SQL Server 2000 编程指南 余金山…[等]编写 北京希望电子出版社 2001
[78] SQL Server 2000 数据库和数据仓库 飞思科技产品研发中心编著 电子工业出版社2001
[2] 陈子萌编著．围岩力学分析中的解析方法．北京：煤炭工业出版社，1994
[3] [澳]B．H．G．布雷迪，[英]E．T．布朗．地下采矿岩石力学．北京：煤炭工业出版社
[4] 宋振骐．实用矿山压力控制．徐州：中国矿业大学出版社，1988
[5] 谢和平．采矿工程中的力学问题与分析．力学2000，中国科学技术出版社，
[6] 周维垣主编．高等岩石力学．北京：清华大学出版社
[7] Grossber S. 1988. Nonlinear Neural Network. Principles, Mechanisms and Architectures. Neural Networks,(1): 17～61
[8] 靳蕃．1991．神经网络与神经计算机原理应用．西南交通大学出版社，成都
[9] 孙道恒，胡俏，徐灏．固体力学有限元神经计算原理[J]．机械工程学报，1996，32(6)：20～25
[10] 于学馥．信息时代岩土力学与采矿计算初步．北京：科学出版社，1991
[11] 井兰如．1981．金川二矿区采场回采过程的有限元模拟分析．北京钢铁学院硕士学位论文
[12] F.Meulenkamp M.Alvare Grima, Application of neural networks for the prediction of the unconfined compressive strength (UCS) FROM Equation hardness, International Journal of Rock Mechanics and Mining Sciences, 1999, No.36
[13] 梁艳春等．人工神经网络应用于地下硐室参数识别的研究，模式识别与人工智能，1996，No．9(1)
[14] 吴洪词．回采巷道围岩稳定性的神经网络控制，煤炭工程师，1998，No．1
[15] 陈国荣等．锚杆支护的神经网络设计系统及其应用，工程地质学报，1999，No．7(1)
[16] 卢才金等．改进的BP神经网络在岩体边坡稳定性评价中的应用，岩石力学与工程学报，1999，No．18(3)
[17] 周保生，朱维申．巷道围岩移近量的人工神经网络预测[J]．岩石力学与工程学报，1999，18(增)：1220～1222
[18] 宋海涛，张益东等．锚杆支护现状及其发展，矿山压力与顶板管理，1999，No．1
[19] 周淑媛．我国喷锚支护技术的发展及其应用，金属矿山，1988，No．3
[20] 冯夏庭等．人工智能在矿LLJ岩体边坡工程中的应用，化工矿山技术，1995，
No.24(1)
[21] 金山店张伏山铁矿床粉矿物理力学性质试验及成因、分布研究报告．武钢金山店铁矿，1987
[22] 蔡美峰．金属矿山采矿设计优化与地压控制——理论与实践．北京：科学出版社
[23] 许梦国等．武钢程潮铁矿采场地压规律分析与合理回采顺序研究．1999．11
[24] 《无底柱分段崩落采矿法采场结构参数和工艺技术优化》试验研究鉴定资料．武 钢矿业有限责任公司设计研究所，武钢矿业有限责任公司焦作余化寺矿，1999．12
[25] 姚宝魁等．矿山地下开采稳定性研究．北京：中国科学技术出版社，1994
[26] 朱维申，何满潮．复杂条件下围岩稳定性与岩体动态施工力学．北京：科学出版社，1996
[27] M．A．库尔撒德．数值模拟在地下开采与建设中的应用．国外金属矿山，1999，24(3)：41—49
[28] 朱以文等．微机有限元前后处理系统viziCAD及其应用．科学技术文献出版社，1993
[29] Abhijit S. Pandya Robert B.Macy著．徐勇等译．神经网络模式识别及其实现．Pattern Recognition with Neural Networks in C++．电子工业出版社，1999
[30] 胡守仁、余少波等编著．神经网络导论．国防科技大学出版社，1993
[31] 胡守仁、沈清等编著．神经网络应用技术．国防科技大学出版社，1998
[32] 周继成等．人工神经网络——第六代计算机的实现．北京：科学普及出版社，1993
[33] 刘增良，刘有才编著．模糊控制逻辑与神经网络——理论研究与探索．北京：北京航空航天大学出版社，1996
[34] 莫恭佑．神经网络及其在英国的应用．国际科技交流，1992(3)P17
[35] 迟惠生等．1995年世界神经网络大会述评．国际学术动态，1996(1)P28
[36] Stephen P and Roger L K. 1992. Evaluation of Coal Mine Roof Supports Using Artificial Intelligence. Proc 23rd APCOM, 103～107
[37] 张清，宋家蓉．1992．利用神经元网络预测岩石或岩石工程的力学性态．岩石力学与工程学报，11(1)：35～43
[38] 冯夏庭，王泳嘉．采矿工程智能系统——人工智能与神经网络在矿业中的应用．北京：冶金工业出版社，1994
[39] 周保生，朱维申．巷道围岩参数的人工神经网络预测．岩土力学，1999，20(1)：22～26
[40] 冯夏庭，王丽娜．基于神经网络PDP模型的岩石分级．第七届全国矿山岩体力学学术会议．1992
[41] 冯夏庭，王泳嘉．用于岩体质量评价的神经网络专家系统．有色金属，1994(4)
[42] 谭云亮，王泳嘉．回采巷道分析指标的神经网络聚类分析类型．岩石力学与工程学报，1995(14)139～144
[43] 冯夏庭，林韵梅．基于神经网络的巷道支护决策．煤炭学报，1995(1)
[44] 徐卫亚等．三峡永久船闸高边坡变形预测人工神经网络分析．岩土力学，1999，20(2)：21～31
[45] 杨英杰，张清．人工神经网络在岩土工程系统RES中的应用．铁道学报，1997，19(6)
[46] 冯夏庭等．位移反分析的进化神经网络方法研究．岩石力学与工程学报，1999，18(5)：529～533
[47] 鲁小兵，李德基．BP神经网络在泥石流研究中的应用．岩石力学与工程学报，1996，15(增)：568～571
[48] 刘浩武，蔡德所．三峡工程岩体爆破地震效应的神经网络模型．岩土力学，1998，20(1)：18～21
[49] 蔡美峰，孔广亚，贾立宏．岩体工程系统失稳的能量突变判断准则及其应用．北京科技大学学报，1997，19(4)：325～328
[50] 蔡美峰，来兴平．非线性神经网络在复杂条件矿床采矿方法识别中的应用．第六次全国岩石力学与工程学术大会论文集，2000．武汉，374～379
[51] Werbos P J. 1974. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences, Harvard University
[52] 锚喷支护 北京：煤炭工业出版社
[53] 郭连军，徐小荷，牛成俊．爆破专家系统原理与应用．辽宁科学技术出版社，1993
[54] Ward Systems Group. Inc. Neuro Shell (Neural Network Shell Program). Fourth Edition-August 1991
[55] 胡建华．巷道围岩稳定性分类及其支护对策智能研究．武汉理工大学硕士学位论文，2001
[56] 徐志英．岩石力学，北京：水利电力出版社，1986
[57] Evert Hoke, Reliability of Hoke-Brown Estimates of Rock Mass Properties and Their Impact on Design, Int. J. Rock Mech. and Min. Sci., 1998, No. 35(1)
[58] 国家标准《锚杆喷射混凝土支护技术规范》GBJ86-85
[59] 《采矿设计手册——--井巷工程卷》．北京：中国建筑工业出版社，1989
[60] 朱琢华，黄宏伟．锚喷支护设计的工程类比模糊经验法．煤炭学报，1998，No．23(6)
[61] 《采矿设计手册——--井巷工程卷》，北京：中国建筑工业出版社，1989
[62] 李彦斌，苏学贵．影响锚喷支护质量的因素分析．山西煤炭，2000
[63] 姜有，周贵全．影响回采巷道锚杆支护效果的因素分析．东北煤炭技术，1999，No．5
[64] 金掌臻．锚喷支护及其应用．矿业研究与开发，1999，No．19(增刊)
[65] Delphi程序员必读 Gary Cornell, Troy Strain著 科学出版社1995．8
[66] Delphi程序设计(1.0和2.0版) 清华大学出版社 1996．12
[67] Delphi(1.0-2.0)进阶指南 喻新文，史宝军主编 电子工业出版社 1996．10
[68] Delphi程序员指南 (美)A.J.沃兹涅维茨，N.沙马斯著 科学出版社 1997．1
[69] Delphi for Windows 95开发指南 (美)Tom Swan著 电子工业出版社 1997．6
[70] Delphi 3.0/4.0多媒体与数据库编程 吴旭东等编著 清华大学出版社 1998．10
[71] Delphi 5 开发指南 王忠等编著 电子工业出版社 2000．1
[72] Delphi 5 数据库开发实例 同志工作室编著 人民邮电出版社 2001
[73] Microsoft SQL Server 管理员手册 (美)Patrick Dalton著 机械工业出版社
[74] 精通MS SQL Server 7.0 罗会涛等编著 电子工业出版社 1999．9
[75] SQL Server 实用简明教程 黄维通编著 清华大学出版社 1999．7
[76] SQL Server 2000 从入门到精通 Mike Gunderloy, Joseph L.Jorden 著 电子工业出版社2001
[77] SQL Server 2000 编程指南 余金山…[等]编写 北京希望电子出版社 2001
[78] SQL Server 2000 数据库和数据仓库 飞思科技产品研发中心编著 电子工业出版社2001
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |